基于GMM的運(yùn)動(dòng)目標(biāo)檢測(cè)和陰影消除算法研究.pdf

1、近年來(lái)，視頻監(jiān)控系統(tǒng)發(fā)展迅速，廣泛地應(yīng)用到了交通運(yùn)輸、金融銀行、軍事安全等諸多領(lǐng)域，是計(jì)算機(jī)視覺(jué)的重要應(yīng)用。復(fù)雜場(chǎng)景的運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)是智能視頻監(jiān)控領(lǐng)域的研究熱點(diǎn)，為后續(xù)的目標(biāo)追蹤、智能報(bào)警的研究奠定了基礎(chǔ)。本文對(duì)靜態(tài)場(chǎng)景的目標(biāo)檢測(cè)技術(shù)進(jìn)行了深入的探索，并著重研究了混合高斯背景建模運(yùn)動(dòng)目標(biāo)檢測(cè)和陰影消除的問(wèn)題。主要工作如下：
　　針對(duì)傳統(tǒng)GMM（Gaussian Mixture Model，混合高斯建模）方法參數(shù)初始化粗糙，導(dǎo)致背

2、景估計(jì)偏差較大的問(wèn)題，提出了一種K-EM參數(shù)初始化優(yōu)化方案。首先，對(duì)獲取的視頻幀圖像進(jìn)行形態(tài)學(xué)去噪，然后引入HSV顏色模式，建立HSV空間下的混合高斯背景模型，并結(jié)合K-means算法與EM算法完成參數(shù)的初始化。實(shí)驗(yàn)證明，在室外光照條件下，該算法的前景檢測(cè)率較高，但陰影抑制效果不明顯。
　　在目標(biāo)陰影消除方面，本文提出了一種基于顏色-紋理模糊積分雙特征的陰影消除算法。首先在HSV顏色空間下進(jìn)行像素的顏色聚類(lèi)，對(duì)紋理特征采用旋轉(zhuǎn)不變

3、的LBP均一化模式。然后利用模糊理論中的Choquet模糊積分融合二者的相似度量值，與選定的閾值進(jìn)行比較，分離前景目標(biāo)與背景。通過(guò)實(shí)驗(yàn)分析，該算法對(duì)于目標(biāo)與背景差別較大的圖像檢測(cè)效果較好，對(duì)于小目標(biāo)或偽裝色目標(biāo)的檢測(cè)效果不明顯。
　　針對(duì)雙特征陰影消除算法的不足，本文提出了一種PCA（Principal Component Analysis，主成分分析法）與Choquet積分相結(jié)合的多特征融合的陰影消除方案。首先采用PCA方法提取